Marketing Analytics State of Play 2022:
Status quo und Zukunftspläne
Sie haben keine Lust darauf Online zu lesen? Laden Sie den Bericht herunter!
Sie haben keine Lust darauf Online zu lesen? Laden Sie den Bericht herunter!
Analytische Reife ist ein langer und immer länger werdender Weg, der weit über die Lösung des Problems der Datenaufbereitung hinausgeht. Die wirklich analytisch reifen Marketingkräfte sind in der Lage, Erkenntnisse aus Daten zu gewinnen, die Auswirkungen von Marketingentscheidungen zu messen und bessere Entscheidungen auf der Grundlage von Daten zu treffen, und zwar nicht nur in Echtzeit, sondern proaktiv.
Dies erfordert eine gute Datenkultur sowie die richtigen Tools zur Verbesserung. Beides stellt für viele Unternehmen und Marketingagenturen noch immer eine Herausforderung dar. Zwei Drittel der Befragten geben an, dass ihr Marketingteam analytisch ausgereift ist, und 63 % sagen, dass sie datenorientiert arbeiten.
Aber erfüllen unsere analytisch reifen Befragten tatsächlich diese Kriterien?
In der gegenwärtigen Marketinglandschaft haben viele Teams immer noch mit der manuellen Datenaufbereitung zu kämpfen und haben Mühe, eine einheitliche Sicht auf ihre Daten zu erhalten. Dies zeigt uns, dass Marketingfachleuten und Analysten häufig das Bewusstsein dafür fehlt, was analytische Reife eigentlich ist und welch weiten Weg die Teams noch vor sich haben, um wirklich datenorientiert zu arbeiten.
Analytische Reife geht heute weit über Tabellenkalkulationen und die manuelle Zahlenverarbeitung hinaus. Marketingkräfte an der Spitze der Reifekurve treffen ihre Entscheidungen auf der Grundlage von proaktiven Erkenntnissen, die häufig mithilfe moderner KI erlangt werden. Für diese Teams sind eine automatisierte Datenintegration und eine einheitliche Sicht auf die Marketingdaten eine Selbstverständlichkeit. Doch mehr als drei Viertel der Marketingspezialisten und Analysten, die sich in Bezug auf den Umgang mit Daten für ausgereift halten, haben diesen ersten Schritt in Richtung Datenreife noch nicht getan. Marketingteams sollten ihre derzeitige Kompetenz einer kritischen Betrachtung unterziehen. Bevor sie über die Implementierung komplexer Technologien wie Predictive Analytics nachdenken, müssen sie die Lücken auf der Grundlagenebene schließen.
Datenanalysten (72 %) sehen sich selbst viel häufiger als analytisch ausgereift als Marketingfachleute (60 %). Analysten sind zwar näher an den Daten und den Tools, die zur Gewinnung von Erkenntnissen eingesetzt werden, haben aber weniger Einblicke in die Art und Weise, wie Marketingspezialisten die Daten tatsächlich zur Entscheidungsfindung nutzen. Auch wenn Analysten Zugang zu komplexen Analytics-Tools haben, ergibt sich daraus noch keine Datenreife, wenn die Marketer diese Tools nicht nutzen, um die Daten in Maßnahmen umzusetzen.
Und wie wir in unserer vollständigen Studie Marketer vs. Analysten festgestellt haben, fällt es Marketern oft schwer, Daten in greifbare Erkenntnisse umzusetzen.
Die Sicht der CMOs von oben 63 % der CMOs geben an, dass sie Entscheidungen auf der Grundlage von Daten treffen, aber mehr als die Hälfte von ihnen meinte auch, dass es ihnen an datengestützten Erkenntnissen fehlt, um die Marketingstrategie voranzutreiben – und 49 % fehlt es an datengestützten Empfehlungen zur Verbesserung der Marketingperformance.
Auch hier scheint bei allgemeinen Fragen großer Optimismus zu herrschen, aber wenn es ins Detail geht, auf einer eher operativen und taktischen Ebene, wird die Realität diesem Optimismus oft nicht gerecht.
Es ist erschreckend: 58 % der Marketingfachleute und Analysten geben an, dass routinemäßige Marketingreports immer noch mit Tabellenkalkulationen erstellt werden. Im ersten Teil dieses Projekts, unserer Studie über Herausforderungen und Prioritäten, wurde festgestellt, dass die manuelle Datenaufbereitung immer noch ein großes Hindernis für Marketingteams ist und derzeit die größte Herausforderung darstellt. Marketingexperten und Analysten verbringen immer noch viele Stunden pro Woche damit, dieselben Datensätze an einem Ort zu sammeln, obwohl diese Zeit viel besser dazu genutzt werden könnte, aus den Daten einen Mehrwert zu erzielen.
Dabei trauen 41 % der Analysten ihren Marketingdaten nicht, was bedeutet, dass die Anzahl der manuellen Prozesse, die der Datensatz durchläuft, kritisch betrachtet werden muss. Wenn Daten aus Facebook und LinkedIn in Excel und dann in PowerPoint übertragen werden, ergibt sich ein enormes Potenzial für Bedienerfehler.
Derzeit erstellen 58 % der Befragten ihre Reports manuell in Tabellenkalkulationen, und 65 % übertragen die Reports manuell in PowerPoint oder Google Slides. Wären Marketingteams in der Lage, diese Prozesse zu automatisieren, könnten sie viel Zeit sparen – etwa durch ein automatisiertes Dashboard, das im Handumdrehen präsentiert werden kann. Bedienerfehler durch die manuelle Datenaufbereitung könnten damit vermieden werden.
Nur 51 % der Marketer und Analysten geben an, dass sich ihre Marketingdaten von einem zentralen Datendepot aus aufrufen lassen. Das bedeutet, dass fast die Hälfte der Marketingteams immer noch damit beschäftigt ist, sich mithilfe von Daten aus unterschiedlichen Quellen ein vollständiges Bild von ihrer Marketingperformance zu machen.
Und obwohl mehr als die Hälfte der Befragten angibt, einen Zugang zu Echtzeit-Reports zu haben, sagen 47 % dieser Befragten auch, dass die manuelle Datenintegration eine große Herausforderung darstellt. Die Echtzeitdaten mögen zwar vorliegen, aber wenn sie erst durch umfangreiche manuelle Arbeit nutzbar gemacht werden müssen, lassen sie sich nicht als Grundlage für Echtzeitentscheidungen heranziehen.
Für viele Marketingteams liegt die Möglichkeit, datengestützte Entscheidungen zu treffen, in greifbarer Nähe, aber die Abhängigkeit von der manuellen Integration unterschiedlicher Datenquellen bremst sie immer wieder aus.
Die Hälfte der Marketer und Analysten gibt an, dass sie derzeit vorausschauende Modelle für ihre Analysen verwenden – und diese Befragten verfügen in der Regel über wesentlich stärkere strategische Möglichkeiten zur Unterstützung ihrer Marketingstrategie.
So ist die Wahrscheinlichkeit, dass Marketingteams mit starken Kampagnenreports Predictive Analytics einsetzen, doppelt so hoch wie bei Teams, deren Kampagnenreports verbesserungswürdig sind. Ebenso ist bei Marketingteams mit einer starken Kampagnenoptimierung die Wahrscheinlichkeit mehr als doppelt so hoch, dass sie Predictive Analytics einsetzen.
Marketingteams mit starken strategischen Möglichkeiten in einem bestimmten Bereich setzen im Durchschnitt mit 31 % höherer Wahrscheinlichkeit Predictive Analytics ein.
Marketingverantwortliche verstehen die Notwendigkeit einer proaktiven Marketingstrategie anstelle einer reaktiven Strategie, aber eine nachhaltige proaktive Modellierung kann nur mit einer soliden Dateninfrastruktur bewerkstelligt werden. Eine Voraussetzung für den Einsatz von Predictive Analytics ist, dass alle Daten an einem Ort gespeichert sind. Dies wäre grundsätzlich auch manuell möglich, aber durch den Zeit- und Energieaufwand für die Ausführung nur eines dieser Modelle ohne automatisierte Datenintegration verbietet sich dieser Ansatz von selbst. Die Folge ist, dass Marketer und Analysten, die grundlegende Analytics-Tools einsetzen, auch mit weit höherer Wahrscheinlichkeit proaktive Modelle einsetzen.
Von den Befragten, die über ein zentrales Datendepot verfügen, nutzen 69 % Predictive Analytics – bei Nutzern ohne ein solches Depot sind es nur 27 %. Ähnlich verhält es sich bei den Befragten, die ein BI-Tool verwenden: 67 % nutzen Predictive Analytics – bei denen, die dies nicht tun, sind es nur 22 %.
61 % geben an, dass sie im Jahr 2022 mehr proaktive Modelle einsetzen wollen. Der Umstand, dass viele Marketer und Analysten den Wert proaktiver Modelle erkannt haben, ist zwar vielversprechend, aber noch immer sind einige große Stolpersteine zu beseitigen, bevor Marketingteams tatsächlich von Predictive Analytics profitieren können.
Für Nutzer, die noch immer auf manuelle Datenaufbereitung angewiesen sind, sind Predictive- Analytics-Methoden unglaublich zeitintensiv. Allerdings sagen 38 % der Befragten, die die Nutzung von Predictive Analytics planen, dass sie derzeit Probleme mit der manuellen Datenaufbereitung haben, und 67 % verwenden immer noch Tabellenkalkulationen zum Erstellen von Marketingreports.
Noch bedenklicher ist, dass 48 % der Analysten, die für das kommende Jahr die Implementierung von Predictive Analytics planen, angeben, dass sie ihren Marketingdaten nicht trauen. Dieses Problem muss unbedingt angegangen werden, bevor Marketingteams Zeit und Geld in Predictive Analytics stecken, denn auch hier gilt der bekannte Grundsatz: Garbage in, garbage out. Wenn Ihre Daten nicht korrekt sind, können die daraus gewonnenen Erkenntnisse sogar mehr schaden als nutzen. Marketer und Analysten scheinen jedoch nicht zu verstehen, welche Vorarbeiten geleistet werden müssen, bevor der Einsatz von Predictive Analytics ernsthaft in Betracht gezogen werden kann.
Die Datengenauigkeit wird häufig durch manuelle Integration und die damit verbundenen Bedienerfehler untergraben. Hier ist ein klarer Zusammenhang zu erkennen: Befragte, die weniger Probleme mit der manuellen Datenintegration haben, haben auch ein größeres Vertrauen in die Genauigkeit ihrer Daten.
Von den Analysten, die keine Probleme mit der manuellen Integration haben, finden nur 15 %, dass das Vertrauen in die Datengenauigkeit eine große Herausforderung darstellt – wo die manuelle Integration jedoch ein Problem darstellt, steigt dieser Wert auf 63 %. Mit anderen Worten: Analysten, denen die manuelle Datenintegration Probleme bereitet, haben fast viermal so häufig mit geringem Vertrauen in die Genauigkeit der Daten zu kämpfen.
Bevor KI oder Predictive Analytics nachhaltig implementiert werden können, benötigen Marketingteams eine einheitliche Sicht auf ihre Marketingdaten. 62 % der Befragten planen, im Jahr 2022 eine einheitliche Sicht auf die Marketingdaten zu erzielen.
P&G, AT&T, Kraft, Coca-Cola und Pepsi geben den Weg vor – aber mit der Abschaffung von Cookies, die das Multi-Touch-Attribution-Modell infrage stellt, ist Marketing-Mix-Modellierung (MMM) nicht mehr nur etwas für die Fortune 500. Die Mehrzahl der Befragten gab an, dass sie MMM im Jahr 2022 in ihre Marketingstrategie einbinden möchten.
Ähnlich wie Predictive Analytics können Algorithmen für die Marketing-Mix-Modellierung im Prinzip auch manuell durchgeführt werden, aber der Umfang des damit verbundenen manuellen Aufwands macht dies für Umgebungen ohne entsprechende Automatisierung kaum praktikabel.
Nur 3 von 5 Analysten haben Zugriff auf ein zentrales Data Warehouse. Dies könnte erklären, warum die Handhabung von Daten so viel Zeit kostet – 41 % der Analysten haben ihre Daten noch nicht zentralisiert. Bei den Marketern steigt die Zahl derjenigen, die keinen zentralen Überblick über ihre Marketingdaten haben, auf 57 %. Die Tatsache, dass diese Zahl so viel höher ist, könnte symptomatisch für die Kluft zwischen Analysten und Marketingfachleuten sein.
Sowohl Marketer als auch Analysten geben an, dass Präsentationen meist in PowerPoint oder Google Slides entwickelt werden. Wenn es jedoch um Marketingreports geht, geben die Marketer an, dass sie diese in Tabellenkalkulationen erstellen (56 %), während die Analysten an zweiter Stelle ein BI-Tool zur Visualisierung ihrer Marketingdaten wählen (64 %).
Auch dies ist eine beunruhigende Diskrepanz. BI-Tools und Daten-Dashboards bieten eine weitaus effizientere, effektivere und genauere Methode für das Marketingreporting als Tabellenkalkulationen und PowerPoint. Häufig betrachten Marketingexperten die Analyse jedoch als eine Blackbox – Daten gehen hinein und Erkenntnisse kommen heraus. Das bedeutet, dass sie sich möglicherweise nicht darüber im Klaren sind, welche Tools zur Verfügung stehen, um Daten in Erkenntnisse umzuwandeln, oder wie viel Arbeit hinter den Kulissen auf Seiten der Analysten anfällt.
Die Diskrepanz zwischen den von Marketern und Analysten gemeldeten Kompetenzen ist bei Predictive Analytics am größten. Während 60 % der Analysten der Meinung sind, dass ihr Unternehmen proaktive Modelle einsetzen kann, wird diese Ansicht von nur 42 % der Marketer geteilt. Analysten mögen zwar geschult und in der Lage sein, proaktive Modelle zu verwenden, aber es scheint, dass sich Analysten und Marketingspezialisten nicht darauf einigen konnten, wie sich Predictive-Analytics-Methoden in ihre Datenstrategie einfügen.
Sowohl Marketer (60 %) als auch Analysten (72 %) geben an, dass ihre Abteilungen analytisch ausgereift sind und ständig nach Möglichkeiten suchen, ihre Datennutzung zu verbessern. Insgesamt sind Analysten zuversichtlicher, was ihre analytischen Fähigkeiten angeht, was zeigt, wie stark sie im Vergleich zu den Marketingspezialisten am Analyseprozess beteiligt sind.
Sowohl Marketer als auch Analysten sind von der analytischen Reife ihrer Unternehmen überzeugt und geben an, dass die Abteilungen datenorientiert arbeiten und Daten als Grundlage für strategische Marketingentscheidungen nutzen. 58 % der Marketer und 69 % der Analysten stimmen dieser Aussage zu. Gleichzeitig haben jedoch 41 % der Analysten kein Vertrauen in ihre Daten.
Analysten und Marketer sind sich einig, dass eine einheitliche Sicht auf die Marketingperformance und die Entwicklung ihrer Predictive-Analytics-Kompetenzen die Prioritäten für die nächsten 12 Monate sind; die Reihenfolge der Prioritäten sehen sie jedoch unterschiedlich.
Während für 69 % der Analysten Predictive Analytics die oberste Priorität für das Jahr 2022 darstellen, sind die Marketer am meisten daran interessiert, eine einheitliche Sichtweise zu erreichen (58 %). Auch hier zeigt sich, dass die Analysten den Schwerpunkt auf die Leistungsfähigkeit legen, während die Marketer eindeutig die Benutzerfreundlichkeit bevorzugen.
Sowohl für Marketingspezialisten als auch für Analysten hat die Multi-Touch-Attribution im Jahr 2022 die geringste Priorität. Dies spiegelt wider, wie sich die Abschaffung von Cookies und die Verschärfung der Datenschutzbestimmungen auf die Effektivität der Attributionsmodellierung auswirken werden. Marketer sind entschlossener als Analysten, wobei mehr als die Hälfte angibt, dass Multi-Touch-Attribution nicht auf der Agenda für 2022 steht.
64 % der Analysten planen die Einbindung von KI in ihre Analysen und messen diesem Aspekt damit einen wesentlich höheren Stellenwert bei als Marketer. Tatsächlich ist die Wahrscheinlichkeit, dass Analysten KI und maschinelles Lernen auf ihrer Agenda für 2022 sehen, um 20 % höher als bei Marketingfachleuten; dies stellt die größte Diskrepanz zwischen diesen beiden Gruppen dar. Auch hier zeigt sich eine Diskrepanz zwischen den beiden Rollen, denn Analysten konzentrieren sich stark auf die Verbesserung der Leistungsfähigkeit ihrer Analysen.
Predictive Analytics und KI stehen zwar ganz oben auf der Prioritätenliste der Analysten für 2022, doch die größte Herausforderung bleibt der Zeit- und Arbeitsaufwand für die manuelle Datenaufbereitung. Dies verdeutlicht die Diskrepanz zwischen dem Wunsch der Analysten, ihre Analysen mit ausgefeilteren Funktionen zu verbessern, und der Realität der Herausforderungen, mit denen sie täglich konfrontiert werden. Führungskräfte können Analysten jedoch unterstützen, indem sie sie von manuellen Datenintegrationen entlasten, die ihre Zeit in Anspruch nehmen und sie möglicherweise daran hindern, zusätzliche analytische Erkenntnisse zu liefern.
.png?width=720&name=uk-us-de-comparison%20(1).png)
Wenn Ihre Organisation Marketingteams hat, die auf der ganzen Welt verstreut sind, haben diese Teams wahrscheinlich nicht die gleichen Stärken, Prioritäten oder Herausforderungen. Die Strategien werden sich von einem Bereich zum nächsten unterscheiden, und ein wichtiger Grund dafür sind Unterschiede in den Datenschutzgesetzen. Befragte aus Deutschland und Großbritannien, die die DSGVO berücksichtigen müssen, befürworten viel eher eine Strategie, die nicht auf Cookies angewiesen ist.
Insgesamt liegt Deutschland in Bezug auf die aktuellen Analysefähigkeiten hinter den USA und Großbritannien zurück. Die Befragten verfügen mit einer um 10 bis 15 % geringeren Wahrscheinlichkeit über fortgeschrittene Analysemöglichkeiten. In Deutschland und den USA ist die Wahrscheinlichkeit, dass Predictive Analytics eingesetzt werden, am geringsten, während die Briten am seltensten über ein zentralisiertes Data Warehouse verfügen.
Trotz des Vertrauens in die aktuellen Analysekompetenzen verwendet die Mehrheit der Marketingspezialisten und Analysten immer noch Tabellenkalkulationen zum Erstellen von Marketingreports. In Deutschland ist dies jedoch weniger ausgeprägt, wo weniger als die Hälfte der Marketer zugeben, dass sie Marketingreports mit Tabellenkalkulationen erstellen. In Großbritannien und den USA steigt diese Zahl auf 3 von 5.
In allen drei Ländern gibt es signifikante Unterschiede zwischen der relativen Gewissheit von Analysten und Marketern; in den USA ist diese Diskrepanz jedoch besonders ausgeprägt, während die deutschen Befragten am seltensten abweichende Meinungen haben. Im Durchschnitt stimmen deutsche Marketingspezialisten ihren Datenanalysten in Bezug auf den Status quo in Sachen Datenkompetenz doppelt so häufig zu wie ihre Kollegen in den USA.
Top 5 der aktuellen analytischen Kompetenzen nach Region |
|||
| Reihenfolge |  USA |
 Großbritannien |
 Deutschland |
| 1 |
Präsentationen werden in PowerPoint/Google Slides entwickelt |
Präsentationen werden in PowerPoint/Google Slides entwickelt | Präsentationen werden in PowerPoint/Google Slides entwickelt |
| 2 |
Marketingreports basieren in der Regel auf Tabellen-kalkulationen |
Unser Marketingteam kann Echtzeit-Reports direkt aufrufen |
Wir verwenden ein Business-Intelligence-Tool zur Visualisierung unserer Marketingdaten (z. B. Tableau, Qlik, Power BI usw.) |
| 3 |
Wir kombinieren unsere Marketingdaten mit Daten aus anderen Abteilungen, um unternehmensweite Entscheidungen zu treffen |
Unsere Reports zeigen die End-to-End-Performance von Marketing-kampagnen |
Der Großteil unserer Marketingreports wird von einem speziellen Analyse-/BI-Team erstellt |
| 4 |
Unser Marketingteam kann Echtzeit-Reports direkt aufrufen |
Marketingreports basieren in der Regel auf Tabellen-kalkulationen |
Unser Marketingteam kann Echtzeit-Reports direkt aufrufen |
| 5 |
Unsere Reports zeigen die End-to-End-Performance von Marketing-kampagnen |
Wir kombinieren unsere Marketingdaten mit Daten aus anderen Abteilungen, um unternehmensweite Entscheidungen zu treffen |
Marketingreports basieren in der Regel auf Tabellen-kalkulationen |
Amerikanische und britische Marketingexperten und Analysten beurteilen die Datenkultur in ihrem Unternehmen als sehr positiv. 70 % der amerikanischen und 67 % der britischen Befragten sind der Meinung, dass ihr Unternehmen analytisch ausgereift ist und ständig nach Möglichkeiten sucht, die Nutzung von Daten zu verbessern.
Im Vergleich dazu sind die deutschen Befragten viel weniger zuversichtlich, was ihre Datenkultur angeht, und stimmen mit 15 bis 20 % weniger Wahrscheinlichkeit zu, dass ihr Unternehmen eine der Optionen erfüllt. Insbesondere glauben nur 52 % der Marketer in Deutschland, dass ihr Unternehmen datenorientiert arbeitet, verglichen mit 68 % der Befragten in den USA. Bis zu einem gewissen Grad spiegelt dies die allgemeinen kulturellen Unterschiede zwischen den drei Ländern wider, es zeigt aber auch die obersten Prioritäten der deutschen Unternehmen, wenn es darum geht, einen Mehrwert aus ihren Daten zu ziehen. Während die deutschen Befragten die Fähigkeit, Kampagnen spontan zu optimieren und in Echtzeit anzupassen, an erster Stelle nannten, war dies in den USA und Großbritannien die am wenigsten wichtige Fähigkeit.
|
Prozentanteil der Marketingspezialisten und Analysten, die zustimmen oder klar zustimmen |
USA |
Grossbritannien |
Deutschland |
|
Datenorientiertheit: Wir treffen strategische Marketingentscheidungen auf der Basis objektiver Daten |
68% |
66% |
52% |
|
Testen und Lernen: Wir testen regelmäßig Hypothesen und richten unsere Marketingstrategie an den Ergebnissen aus |
67% |
60% |
54% |
|
Spontane Optimierung: Wir überwachen die Performance unserer Marketingkampagnen genau und passen sie in Echtzeit an |
61% |
63% |
58% |
|
Analytische Reife: Wir suchen ständig nach Möglichkeiten, die Nutzung unserer Daten zu optimieren |
70% |
67% |
59% |
In allen drei Ländern sind die beiden wichtigsten Prioritäten für die nächsten 12 Monate die Entwicklung einer einheitlichen Sicht auf die Marketingperformance und die Nutzung von Predictive Analytics. In dieser Kategorie liegen die Antworten aus Deutschland auf einem ähnlichen Niveau wie die aus den USA und Großbritannien, was auf einen gewissen Optimismus der deutschen Marketingfachleute und Analysten hindeutet, dass sie die Lücke in Sachen Analysekompetenzen innerhalb der nächsten 12 Monate schließen können.
Während in Deutschland Analysten und Marketer darin übereinstimmen, dass die Schaffung einer einzigen, einheitlichen Sicht auf die Leistung die oberste Priorität für 2022 ist, sind die Datenanalysten in den USA und Großbritannien unterschiedlicher Ansicht. Für britische und amerikanische Analysten stehen Predictive Analytics im Vordergrund: Rund 73 % der US-amerikanischen und 70 % der britischen Analysten sehen die vorausschauende Optimierung als eine der wichtigsten Prioritäten für die nächsten 12 Monate an, verglichen mit nur 55 % bzw. 56 % der Marketingspezialisten.
Die Top 5-Analyseprioritäten für 2022 |
|||
| USA |
Großbritannien |
Deutschland |
|
| 1 |
Predictive Analytics zur Entwicklung einer zukunftsorientierten Optimierung |
Entwicklung einer einheitlichen Sicht auf die Marketingperformance |
Entwicklung einer einheitlichen Sicht auf die Marketingperformance |
| 2 |
Entwicklung einer einheitlichen Sicht auf die Marketingperformance |
Predictive Analytics zur Entwicklung einer zukunftsorientierten Optimierung |
Predictive Analytics zur Entwicklung einer zukunftsorientierten Optimierung / Marketing-Mix-Modelle |
| 3 |
Multi-Touch-Attribution-Modellierung |
Modellierung eines Marketing-Mix |
|
| 4 |
Modellierung eines Marketing-Mix |
Einbindung von künstlicher Intelligenz und/oder maschinellem Lernen in unsere Analysen |
Einbindung von künstlicher Intelligenz und/oder maschinellem Lernen in unsere Analysen |
| 5 |
Einbindung von künstlicher Intelligenz und/oder maschinellem Lernen in unsere Analysen |
Multi-Touch-Attribution-Modellierung |
Multi-Touch-Attribution-Modellierung |
In Großbritannien wie auch in Deutschland hat die Multi-Touch-Attribution die geringste Priorität, während sie in den USA für 2022 eine relativ wichtige Strategie bleibt. Dies könnte auf die relative Stärke der DSGVO-Vorschriften im Vergleich zu den unterschiedlichen Datenschutzgesetzen in den USA zurückzuführen sein. Folglich erhalten sowohl in Großbritannien als auch in Deutschland Marketing-Mix-Modelle, eine cookiefreiere Performance-Tracking-Methode, einen deutlich höheren Stellenwert als bei Marketern und Datenanalysten in den USA.
Verschiedene Branchen werden sich auf unterschiedliche Strategien für 2022 konzentrieren. Wir sehen kontinuierlich, dass die Befragten aus den Bereichen Technologie und E-Commerce in Bezug auf Advanced Analytics weiter sind, während Telekommunikations- und Medienunternehmen hinterherhinken.
Im Durchschnitt verfügen Technologie- und E-Commerce-Unternehmen über die größte Datenkompetenz. Während Technologieunternehmen über ein besonders umfassendes Instrumentarium verfügen, konzentriert sich die E-Commerce-Branche eher auf die Verwendung eines BI-Tools, die Kombination von Marketingdaten mit anderen Abteilungsdaten und den direkten Echtzeitzugang zu Marketingdaten.
Finanz- und Marketingagenturen liegen bei der Datenkompetenz im Mittelfeld. Beide geben an, dass sie Daten abteilungsübergreifend kombinieren, um Entscheidungen zu treffen. Finanzorganisationen verwenden eher BI-Tools und zentralisierte Daten. Marketingagenturen nutzen häufiger direkte Reports und End-to-End-Marketing.
Telekommunikations- und Medienunternehmen verfügen im Durchschnitt über die geringsten Möglichkeiten. Medienunternehmen verfügen in der Regel über mehr Möglichkeiten im Bereich Echtzeit, zentralisierte Daten und End-to-End-Reports, während Telekommunikationsunternehmen eher über ein BI-Team verfügen, das Marketingreports erstellt.
Aus dem branchenübergreifenden Durchschnitt geht hervor, dass die Schaffung einer einheitlichen Sicht auf die Marketingperformance und die Implementierung von Predictive Analytics die häufigsten Pläne für 2022 sind. Technologie-, E-Commerce-, Finanz- und Marketingagenturen stimmen in diesem Punkt überein, Medien- und Telekommunikationsunternehmen haben jedoch andere Pläne.
Nach der Entwicklung einer einheitlichen Sichtweise ist der nächsthäufigste Plan von Medienunternehmen für 2022 die Implementierung von Marketing-Mix-Modellen.
Telekommunikationsunternehmen werden im Jahr 2022 eher an ihren Möglichkeiten im Bereich Multi- Touch-Attribution arbeiten.
